ALCA

Les fichiers Shapefile sont dans le dossier CartographieR/IGN_GEOFLA_2014. Une source importante est R pour les géographes.

Ce travail à pour objectif de représenter la cartographie de la région ALCA en utilisant les techniques décrites dans le document de référence.

CartographieR + IGN_GEOFLA_2014
              |
              + RCarto + ALCA
                       + Wickham

Le fond de carte utilisé est celui de l’IGN Geofla 2014. Le données sont au format shapefile et chargées avec readOGR qui demande 2 paramètres: le nom du dossier contenant le fichier et le nom du fichier.

L’instruction provoque le chargement de la France entière, découpées par communes. Les données sont stockées dans d.france. On extrait ensuite les différentes régions d’intér^et.

require("rgdal") # requires sp, will use proj.4 if installed

## Loading required package: rgdal
## Loading required package: sp
## rgdal: version: 0.9-3, (SVN revision 530)
##  Geospatial Data Abstraction Library extensions to R successfully loaded
##  Loaded GDAL runtime: GDAL 1.11.2, released 2015/02/10
##  Path to GDAL shared files: /usr/share/gdal/1.11
##  Loaded PROJ.4 runtime: Rel. 4.8.0, 6 March 2012, [PJ_VERSION: 480]
##  Path to PROJ.4 shared files: (autodetected)
##  Linking to sp version: 1.1-0

require("maptools")

## Loading required package: maptools
## Checking rgeos availability: TRUE

path <- "../../IGN_GEOFLA_2014/GEOFLA_2-0_COMMUNE_SHP_LAMB93_FXX_2014-12-05/GEOFLA/1_DONNEES_LIVRAISON_2014-12-00066/GEOFLA_2-0_SHP_LAMB93_FR-ED141/COMMUNE"
file <-"COMMUNE"
france <- readOGR(dsn = path, layer = file, encoding = "latin1") # règle le pb de accents

## OGR data source with driver: ESRI Shapefile 
## Source: "../../IGN_GEOFLA_2014/GEOFLA_2-0_COMMUNE_SHP_LAMB93_FXX_2014-12-05/GEOFLA/1_DONNEES_LIVRAISON_2014-12-00066/GEOFLA_2-0_SHP_LAMB93_FR-ED141/COMMUNE", layer: "COMMUNE"
## with 36595 features
## It has 18 fields

d.france <- france@data

par(mar = rep(0,4)) # on fait de la place

# extraction d'un départementst<-france[france$CODE_DEPT==67,]
br <- france[france$CODE_DEPT == 67,]
plot(br)

# extraction d'une région
lorraine <-  france[france$NOM_REG == "LORRAINE",]
plot(lorraine)

alsace <-  france[france$NOM_REG == "ALSACE",]
plot(alsace)

# extraction ALCA
alca <-  france[france$NOM_REG %in% c("ALSACE","LORRAINE","CHAMPAGNE-ARDENNE"),]
plot(alca)

d.alca <- alca@data
# utilisation de unionSpatialPolygons pour les REGIONS
alca.region <- unionSpatialPolygons(alca, IDs = alca@data$CODE_REG)
plot(alca.region)

# carte des départements
alca.dept <- unionSpatialPolygons(alca, IDs = alca@data$CODE_DEPT)
plot(alca.dept, main = "Les 10 départements ALCA")

# régions et départements
plot(alca.dept, main = "Les 3 régions et 10 départements ALCA")
plot(alca.region, border = "blue", lwd = 2, add = TRUE)
# échelle
ech = 50000 # longueur de l'échelle en mètres
x = par()$usr[1]
y = par()$usr[3]
arrows(x + 1000, y + 1000, x + ech, y + 1000, lwd = 2, code = 3, angle = 90, length = 0.05)
text(x + 25500, y + 15000, "50 km", cex = 1)
# corection des caractères anormaux
d.alca$STATUT <- factor(gsub("\xe9", "é", d.alca$STATUT, fixed = FALSE))
# capitales régionales
x <- d.alca$X_CHF_LIEU[d.alca$STATUT == "Préfecture de région"]
y <- d.alca$Y_CHF_LIEU[d.alca$STATUT == "Préfecture de région"]
nom <- d.alca$NOM_COM[d.alca$STATUT == "Préfecture de région"]

points(x, y, col = "red", pch = 19, cex = 1.2)
text(x, y, labels = nom, cex = 0.8, pos = c(4,2,4))

# préfectures


# données régionales
d.alsace <- alsace@data
names(d.alsace)

##  [1] "ID_GEOFLA"  "CODE_COM"   "INSEE_COM"  "NOM_COM"    "STATUT"    
##  [6] "X_CHF_LIEU" "Y_CHF_LIEU" "X_CENTROID" "Y_CENTROID" "Z_MOYEN"   
## [11] "SUPERFICIE" "POPULATION" "CODE_CANT"  "CODE_ARR"   "CODE_DEPT" 
## [16] "NOM_DEPT"   "CODE_REG"   "NOM_REG"

Hôpitaux d’Alsace

Les caractéristiques et la geomocalisation des hôpitaux alsaciens est dans __RPU_Doc/Carto/Hopitaux_Alsace.csv

file <- "RPU_Doc/Carto/Hopitaux_Alsace.csv"
path <- "../../../Resural/Stat Resural/"
hop67 <- read.csv(paste0(path, file))
names(hop67)

##  [1] "HOPITAL"    "LAT"        "LONG"       "LAMB93_X"   "LAMB93_Y"  
##  [6] "RPU_NAME"   "FINESSG"    "FINESSJ"    "GROUPE"     "TERRITOIRE"
## [11] "ZONEP"      "TYPE"       "STATUT"     "LITS_TOT"   "LITS_MED"  
## [16] "LITS_CHIR"  "LITS_REA"   "URG_JOUR"   "COMPETENCE" "SOURCE"

# carte de l'Alsace
plot(alsace)
# implantation des hôpitaux
points(hop67$LAMB93_X, hop67$LAMB93_Y, col = "red", pch = 19)

# détail Strasbourg
str <- alsace[alsace$NOM_COM == "STRASBOURG",]
plot(str)
# Place les SU. Le point est prop au nombre de lits
points(hop67$LAMB93_X, hop67$LAMB93_Y, col = "red", pch = 19, cex = hop67$LITS_TOT / 250)
text(hop67$LAMB93_X, hop67$LAMB93_Y, hop67$HOPITAL, cex = 0.8, pos = 4)

# place des SU. le point est prop au nombre de passages moyen en 2013 (SAE)
par(mar = c(0,0,0,0))
plot(str)
points(hop67$LAMB93_X, hop67$LAMB93_Y, col = "green", pch = 19, cex = hop67$URG_JOUR/50)
text(hop67$LAMB93_X, hop67$LAMB93_Y, hop67$HOPITAL, cex = 0.8, pos = 4)
urg.moy.jour <- c(50, 100, 150, 200)
legend("topleft", legend = urg.moy.jour, pch = 19, col = "green", pt.cex = urg.moy.jour/50, bty = "n", title = "moyenne des passages\n par jour")

# échelle
ech = 5000 # longueur de l'échelle en mètres
x = par()$usr[1]
y = par()$usr[3]

arrows(x + 1000, y + 1000, x + ech, y + 1000, lwd = 2, code = 3, angle = 90, length = 0.05)
text(x + 2550, y + 1500, "5 km", cex = 1)

Haguenau

Commune de France la plus étendue à cause de sa fôret => densité corrigée = nb habitants / superficie - 13742 hectares (foret indivise de Haguenau)

Capacités hospitalières

La meilleure source est le répertoire scope.santé et notamment les fiches détaillées, accessibles à l’adresse http://www.scopesante.fr/fiches-detaillees/ + FINESS géographique. Exemple pour Haguenau: http://www.scopesante.fr/fiches-detaillees/670000157/. La rubrique ndicateurs volumétriques d’activité renseigne sur les lits

Enquete FEDORU sur les SU, SAMU, SMUR. Lefichier complété au 8/5/2015 est enregistré dans RPU_Doc/Cartographie.

Changer de projection

source seminR pp 25-27

Système géographique de référence Avoir le bon CRS !

Accès aux données du fichier des codes de référence EPSG EPSG <-make_EPSG ()

Recherche du bon code, exemple pour les projections Lambert xx (EPSG_Lambert <- EPSG [grep(“Lambert”, EPSG$note), 1:2] )

Trois codes incontournables

row | code EPSG | note | argument
—–|————-|——–|———-
249 | 4326 | WGS 84 | +proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs
584 | 2154 | RGF93 / Lambert-93 | +proj=lcc +lat_1=49 +lat_2=44 +lat_0=46.5 +lon_0=3 +x_0=700000 +y_0=6600000 +ellps=GRS80 +towgs84=0, 0,0,0,0,0,0 +units=m +no_defs
2985 | 27572 | NTF (Paris) / Lambert zone II | +proj=lcc +lat_1=46.8 +lat_0=46. 8 +lon_0=0 +k_0=0.99987742 +x_0=600000 +y_0=2200000 +a=6378249.2 +b=6356515 +towgs84=-168,-60,320,0,0,0,0 +pm=paris +units=m +no_defs

WGS 84 : système géodésique mondial (World Geodesic System 1984). Celui de Google Earth.

NTF : Nouvelle Triangulation pour la France (1873 - 1991).

RGF : Réseau Géodésique Français(à partir de 1990).

RGF93 :Réseau géodésique français légal pour la métropole depuis le décret du 26.12.2000

Lambert : système de projection utilisé pour la France (4 zones).

Lambert93 : projection associée au système géodésique RGF93 (compatible avec WGS84)

Changer de système de référence pour des objets de classe : Spatial… [ librairie sp ] library (rgdal) d78 <- readOGR (“Dept78.TAB”, layer=“Dept78”) proj4string (d78) # Affiche le système de référence (CRS) “+proj=lcc +lat_1=45.898918964419 +lat_2=47.696014502038 +lat_0=46.8 +lon_0=0 +x_0=600000 +y_0=2200000 +a=6378249.2 +b=6356515.000000472 +towgs84=-168,-60,320,-0,-0,-0,0+pm=2.337229166667 +units=m +no_defs”

plot (d78, axes = TRUE, las=2)

title (“epsg 27572 - NTF (Paris) / Lambert zone II”)

Reprojeter en RGF93, code EPSG : 2154

d78RGF93 <-spTransform(d78, CRS (“+init=epsg:2154”) ) proj4string (d78RGF93) “+init=epsg:2154 +proj=lcc +lat_1=49 +l at_2=44 +lat_0=46.5 +lon_0=3 +x_0=700000 +y_0=6600000 +ellps=GRS80 +towgs84=0, 0,0,0,0,0,0 +units=m +no_defs” plot (d78RGF93, axes = TRUE, las=2) title (“epsg 2154 # RGF93 / Lambert-93”)

Reprojeter en WGS 84 , code EPSG : 4326 d78WGS84 <- spTransform(d78, CRS (“+init=epsg:4326”) ) proj4string (d78WGS84) “+init=epsg:4326 +proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs +towgs84=0,0,0” plot (d78WGS84, axes = TRUE, las=2) title (“epsg 4326 # WGS 84”)

Utiliser OSM

library("OpenStreetMap")

## Loading required package: rJava
## Loading required package: raster

Nantes <- c(47.227962,-1.558113)
map <- openmap(c(Nantes[1]+0.1,Nantes[2]-0.2), c(Nantes[1]-0.1,Nantes[2]+0.2),type='osm')
plot(map,raster=TRUE)

map <- openmap(c(Nantes[1]+0.2,Nantes[2]-0.3), c(Nantes[1]-0.1,Nantes[2]+0.2),type='osm')
plot(map,raster=TRUE)

map <- openmap(c(Nantes[1]+0.01,Nantes[2]-0.02), c(Nantes[1]-0.01,Nantes[2]+0.02),type='osm')
plot(map,raster=TRUE)